viable/strict/1786389015: Fix build_with_debinfo for non-torch_python sources (#192729)
PyTorch 的 PR #192729 修复了 build_with_debinfo 工具，该工具因 #186780 引入的回归而失效，现在通过 Ninja 命令图重建所有依赖请求源输出的命令，包括 Metal 命令，并限制调试标志仅用于请求的源编译。
发展脉络
- 首次出现viable/strict/1786389015: Fix build_with_debinfo for non-torch_python sources (#192729)PyTorch Core
- 当前判断PyTorch 作为主流深度学习框架，其构建工具的修复反映了开源项目在维护复杂构建系统时的挑战。此类修复有助于提升开发者体验，减少调试时间，可能对依赖 PyTorch 的 AI 项目产生积极影响。Agent Pulse · 分析
PyTorch 的 build_with_debinfo 工具在 #186780 中引入回归，导致其仅重建一个文件并假设其为 torch_python 的一部分，使得该工具对 ATen 更改（torch_cpu、torch_cuda）无效，也无法编译带行信息的 .metal 着色器。PR #192729 通过从 Ninja 的命令图构建计划，并传递性地运行每个消费请求源输出的命令来修复此问题，从而恢复通过中间库和自定义步骤的重建，包括 Metal 命令，同时将调试标志限制在请求的源编译上。该 PR 扩展了测试，并获得了 atalman 和 albanD 的批准。
该修复表明构建工具需要从构建系统的命令图（如 Ninja）中推导依赖关系，而不是假设源文件属于特定目标。通过传递性地运行所有消费源输出的命令，可以正确处理中间库和自定义步骤，如 Metal 编译。这为构建工具的设计提供了参考：应基于构建图而非硬编码假设。
PyTorch 作为主流深度学习框架，其构建工具的修复反映了开源项目在维护复杂构建系统时的挑战。此类修复有助于提升开发者体验，减少调试时间，可能对依赖 PyTorch 的 AI 项目产生积极影响。
该修复提高了 PyTorch 开发者的调试效率，减少了因构建工具失效导致的时间浪费，从而间接降低了开发成本。对于依赖 PyTorch 的企业，这有助于加快模型开发和迭代速度。
未来，构建工具可能会更广泛地采用基于构建图的依赖分析，以支持更复杂的编译流程。可验证的下一信号是 PyTorch 后续版本中 build_with_debinfo 工具在 ATen 和 Metal 场景下的使用反馈。